index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
《记忆碎片》中的主角莱纳德，虽然患有顺行性遗忘症，但他通过一套独特的信息处理系统，成功执行了复仇任务。这个系统，正是AI Agent设计的绝佳隐喻。文章深入探讨了上下文工程的重要性，以及如何构建一个高效、可靠的AI Agent。文章还分析了莱纳德系统中的两大致命漏洞：上下文投毒和内部污染，并强调了验证与反思机制在Agent设计中的关键作用。
📸 外部知识管理系统：莱纳德使用拍立得照片和笔记来记录关键信息，这对应着AI Agent中的知识管理系统，例如RAG技术，用于存储和检索历史信息。
📝 上下文提炼与结构化：莱纳德将关键信息提炼并纹在身上，这是一种信息压缩和结构化的过程，在AI Agent中，也需要对检索到的信息进行压缩和提取关键实体。
🗺️ 分层记忆管理：莱纳德的记忆系统分为核心任务层、情景工作记忆层和瞬时处理窗口，这种分层结构有助于AI Agent在长期任务中保持目标一致性。
🚫 外部投毒：莱纳德的朋友向他提供错误信息，这对应着AI Agent中的上下文投毒问题，需要采取措施防止错误信息的影响。
🌀 内部污染：莱纳德自己写下的错误笔记导致他被自己欺骗，这对应着AI Agent中的自我强化的认知牢笼问题，需要引入验证与反思机制来避免错误信息的循环放大。
yan5xu 2025-09-01 08:04 北京
一个系统是如何“思考”和“行动”的？
很多人提到“人工智能”，都会想到电影《Her》中的聊天机器人“萨曼莎”——有斯嘉丽的迷人声线、极致的共情能力和无所不知的学识，简直是聊天机器人这一范式的终极形态。在过去很长一段时间里，整个AI行业的叙事，几乎都是围绕着“聊天机器人”这条主线展开的。但到了2025年，大家讨论的不再是“意图识别”和“多轮对话”，而是任务分解、工具调用和自主规划——AI Agent。那么，又有哪部电影能代表这个全新的Agent时代？今天，我们将为你推荐一部。它虽然和AI毫无干系，却可能是最好的Agent入门电影——它不探讨AI的灵魂，只展示一个系统如何在信息不完整的残酷现实中，为了一个目标去“思考”和“行动”。它，就是诺兰的第一部长篇电影——《Memento》（记忆碎片）。
在《记忆碎片》中，主角莱纳德是一个有明确目标（复仇）、会使用工具（相机、笔）、并试图在复杂的真实世界中执行任务的自主系统（Agent）——他的所作所为，都是为了“完成任务”。但莱纳德的整个悲剧，也都源于他那套为了“行动”而构建的、天才而又脆弱的信息处理系统。这套系统，就是我们今天要深入探讨的核心——上下文工程（Context Engineering）。本质上，它是一套围绕着LLM有限的“注意力”（即上下文窗口），设计和管理信息输入（Input）与输出（Output）的综合性技术栈，它的目标是在Agent每一个决策点，都为其提供“恰到好处”的信息。而这，正是决定一个Agent是走向成功还是陷入混乱的关键。
十八般武艺，却只有鱼的记忆
莱纳德曾经是一名顶尖的保险调查员，他懂得如何追踪线索，如何审问嫌疑人，如何像猎犬一样咬住目标不放。一场入室袭击夺走了他妻子的生命，也摧毁了他大脑中负责"写入新记忆"的功能——顺行性遗忘症。这意味着，尽管他记得妻子的一切，记得那晚的惨剧，记得自己的名字和过去的所有人生，但从那天起，他的时间就被冻结了——他无法形成新的长期记忆，每过十几分钟，他脑中的"缓存"就会被清空，一切归零。他唯一剩下的，只有一个驱动他所有行为的最终目标：找到杀害妻子的凶手，为她复仇。这个设定，简直就是为今天LLM的完美隐喻。莱纳德完好无损的长期记忆，在功能上就像是LLM的训练数据（Training Data）。它们共同构成了系统行动的"世界知识"基础，但这个基础是静态的。莱纳德无法学会在袭击后认识新朋友，LLM也无法知道训练截止日期后的任何新闻。而他那只有15分钟的短期记忆，正是LLM最著名、也是最致命的阿喀琉斯之踵——上下文窗口（Context Window）。在这个窗口内，它可以完美地理解和关联所有信息；但窗口之外，就是它无法触及的世界。如果输入超出一个字，系统就会报错。好了，现在问题来了。莱纳德，以及我们开发的Agent，面临着同一个地狱级难度的工程挑战：如何在一个本质上无状态（Stateless）的、记忆窗口极其有限（或信息过载）的系统中，去执行一个需要长期有状态（Stateful）跟踪的复杂任务？莱纳德的复仇之路，可能需要耗费数周甚至数月。我们的Agent，要完成一个自动化研究项目，也需要调用上百次API、处理数万字的文档。面对这个看似无解的困局，莱纳德没有放弃。他做了任何一个优秀的工程师都会做的事：既然无法修复硬件（他的大脑），那就为它构建一套强大的外部系统。这套系统，就是我们今天所说的上下文工程。
莱纳德的记忆系统：上下文工程的三大支柱
莱纳德对抗遗忘的方法，遵循着一套严谨的信息处理架构。这套架构，恰好完美对应了构建一个高效LLM Agent所需的三大核心支柱。第一支柱：外部知识管理系统——拍立得照片
这是整个系统的“记忆扩展模块”，负责突破短期记忆的限制，为Agent在每个决策点提供必要的历史信息。在Agent技术栈中，这对应着一套完整的知识管理系统，其中最为人熟知的实现方式就是 RAG（检索增强生成）。莱纳德的拍立得系统，恰好展示了一个完整的知识管理闭环是如何运作的：• 信息采集与固化 (Information Capture)：当莱纳德遇到关键人物或地点时，他会立即举起相机。这个看似简单的动作，实际上是将流动的、转瞬即逝的现实，固化成可以永久保存的“知识单元"”。对于Agent 而言，这相当于将API返回的数据、用户的关键指令、或执行过程中的重要状态，持久化存储到知识库中。• 上下文标注 (Context Annotation)：莱纳德从不满足于单纯的照片。他会立刻在背面写下“泰迪，别信他的谎言”这样的关键笔记。这个细节揭示了一个深刻的工程智慧：原始数据本身往往是不够的，真正有价值的是数据背后的判断和洞察。在RAG系统中，这对应着为文档添加元数据、生成嵌入向量、或创建知识图谱——让信息不仅“存在”，更要“可被理解”和“可被检索”。• 按需调用 (On-Demand Retrieval)：每当莱纳德从失忆中“重启”，面对一个陌生人时，他会本能地翻找口袋里的照片。找到匹配的照片后，背面的笔记会立即告诉他该如何行动。这个过程完美诠释了RAG的核心价值：在Agent需要做决策的精确时刻，为它注入最相关的历史知识。莱纳德系统最令人赞叹的，是他对“什么值得记录”的直觉判断。他不会给早餐拍照，不会记录天气，只会捕捉那些与复仇任务直接相关的关键信息。这种选择性记录，恰恰是许多Agent系统所缺失的。一个不加选择就把所有对话历史都存入向量数据库的 Agent，最终只会在检索时被无关信息淹没。
第二支柱：上下文提炼与结构化——关键笔记
信息并非越多越好。如果每次决策都翻阅所有照片，莱纳德很快就会在信息的海洋中迷失。他必须对信息进行处理，筛选出那些真正重要、不可动摇的“事实”。他的核心处理手段，是将信息从照片的背面，升级到纹身。
• 提炼与压缩 (Distillation & Compression)： 莱纳德只纹那些经过反复验证、足以构成他世界观基石的核心信息。这是一种极致的信息压缩，将无数的线索和推论，提炼成一句不可更改的“断言”。 • 结构化 (Structuring)： 纹身的位置也极有讲究。关键线索和数字纹在最容易看到的大腿上，而最终目标“找到他，杀掉他”则纹在胸口，每次照镜子都能看到。这是一种物理上的信息结构化，确保最重要的信息拥有最高的“读取优先级”。 在Agent设计中，这一步同样至关重要。从API或文档中检索到的冗长信息，必须经过压缩、总结、提取关键实体，甚至转换成更精简的JSON格式，才能在有限的“Token 预算”内最大化信息密度。
第三支柱：分层记忆管理——纹身系统
一个单一、扁平的记忆系统是脆弱且低效的。莱纳德的生存智慧在于，他本能地为自己构建了一套分层式的记忆架构。这对于设计一个能在长期任务中保持不“迷航”的Agent至关重要。 我们可以将莱纳德的记忆系统看作三个功能不同的层次： 1. 核心任务层 (Core Mission Layer)-纹身：这是Agent的“最高指令”。它定义了Agent的身份（“你是一个复仇者”）和终极目标（“找到并杀死凶手”）。这一层的信息是几乎不可变的（Immutable），拥有最高的决策权重。它的作用是确保Agent无论在执行多少步子任务后，都不会偏离最初的战略意图。 2. 情景工作记忆层 (Episodic Working Memory)-照片与笔记：这是 Agent 的“任务日志”。它存储着与当前长期任务相关的、动态变化的状态和观察结果。比如“泰迪的照片”和背面的笔记“别信他”。这一层是可读可写的（Read/Write），记录了任务的中间步骤、遇到的障碍、收集到的证据。它使得 Agent 的行动具有连续性，而不是一系列孤立的操作。 3. 瞬时处理窗口 (Volatile Processing Window)-15分钟的大脑记忆：这直接对应LLM那有限的上下文窗口。它是真正的“思考”发生的地方。在每一个决策点，Agent会将“核心任务层”的最高指令，与“工作记忆层”中最相关的几条情景信息，一起“加载”（Load）到这个窗口中进行处理，然后做出下一步行动的判断。这个窗口是高度易失的（Volatile），每次调用后都会被清空。
莱纳德为什么会失败？Agent设计的两大“致命漏洞”
通过这套天才的“上下文工程”系统，莱纳德成功地将一个有严重生理缺陷的个体，变成了一个能够执行长期复杂任务的Agent。他成功了吗？电影的结局给了我们一个残酷的否定答案。漏洞一：外部投毒——被 “喂”了谎言
好友一直在利用莱纳德的失忆症，向他提供精心筛选甚至扭曲的信息。这完美地诠释了Agent设计的第一个风险：上下文投毒（Context Poisoning）。在LLM Agent的时代，我们进入了一个“垃圾进，真理出”的新范式。Agent不仅会处理错误的信息，更可怕的是，它会以一种充满权威和自信的口吻，将基于这些错误信息得出的结论，当作“真理”一样呈现和执行。我们的Agent如果无条件信任互联网上的所有信息，其后果不堪设想。漏洞二：内部污染——被自己写下的笔记所欺骗
电影最具讽刺性的一幕，是莱纳德在某个瞬间做出了一个决定：他在一张关键人物的照片背面写下了一条误导性的笔记。这不是别人对他的欺骗，而是他对未来的自己设下的陷阱。当他下次“重启”看到这张照片时，他会毫不怀疑地相信自己写下的话——毕竟，谁会怀疑自己亲手写下的“事实”呢？他用一个谎言，“编程”了未来的自己。这揭示了比外部投毒更隐蔽的漏洞：自我强化的认知牢笼（Self-Reinforcing Cognitive Prison）。当Agent在多步骤任务中执行第N步时，它可能会生成一个带有微小偏差的中间结论。在执行第N+1步时，它会从自己的“记忆”中，将这个错误的结论当作一个可信的事实来检索，并在此基础上继续行动。这个问题在目前流行的多步任务规划Agent中尤为突出。它缺乏一个独立的、批判性的“自我审查”视角，这也是当前从最简单的ReAct到更复杂的树状搜索（Tree of Thoughts）等框架都在试图解决的核心难题。也就是说，莱纳德的悲剧，源于他的系统只有“检索-处理-行动”的单向循环。它缺少了一个能抵御外部投毒和内部污染的关键模块——验证与反思 (Verification & Reflection)。对于Agent而言，“反思”是一个 工程模块。它意味着在行动之后，系统需要有一个机制，去比对行动结果与预期目标之间的差距，生成一份“误差报告”，并将这份报告作为下一次行动的关键上下文输入。一个没有反思能力的Agent，同样会陷入自己生成的“代码bug”或“错误事实”中，并在循环里不断放大这个错误，最终离目标越来越远。所以，当我们惊叹于Agent能自动编写代码、预订机票时，不如先回头看看莱纳德的结局。他用自己的悲剧提醒我们：构建一个能“行动”的系统只是第一步，构建一个能“可靠地行动”的系统，才是我们真正漫长而艰巨的征程。而这，正是《记忆碎片》在 25 年后，依然是每个Agent工程师必修课的根本原因。
本文经授权转载自@言午，有删减。
推荐阅读
壹人工智能大模型开始瞄准抗衰老与肥胖｜HealthcareView贰
消费心理学，正在叩开消费者的心门 | 红杉爱生活叁
看到更远的未来 | 从一个红杉成员企业Offer开始肆
小心！你的思考力可能正在被AI“外包” | 创业Lifestyle伍
理性之上，重新审视科学的认知“盲点” | 红杉Library阅读原文
跳转微信打开
